面向水色要素遥感反演的太湖水体光学分类研究

对于内陆混浊湖泊水体而言，水色遥感算法实用性和可移植性不强的问题严重阻碍了湖泊水色遥感的发展，而实现混浊湖泊水体的光学分类是解决这一问题的有效途径。为此，本项目以太湖为试验区，在分析水体总悬浮颗粒物组成和浓度上的变化特征的基础上，研究构筑总悬浮颗粒物差异性的表征因子，并揭示其与水体固有光学量之间的关联机制；针对敏感波段，研究用以表达固有光学量变化的表观光学量光谱组合模式，进而揭示总悬浮颗粒物差异性的表征因子和表观光学量光谱组合模式之间的共变特征；研究利用阈值分析、模糊聚类、支持向量机等多种方法对水体总悬浮颗粒物差异性的表征因子进行分类，并依据共变特征，建立以表观光学量光谱组合模式为表现形式的水体分类方法，进而通过性能的比较分析，提出最优的混浊太湖水体光学分类方法。本项目的研究成果可以为具有更好普适性的湖泊水色遥感算法的研发、水色要素反演精度的提高、算法实用性的增强提供理论依据和方法支撑。

本项目以内陆水体为试验区，研究探索以反映水体总悬浮颗粒物的差异性为目的、以剖析水体固有光学量变化异质性为理论依据、以构筑恰当的水体表观光学量光谱组合模式为表现形式的水体光学分类方法，为研发具有更好普适性的遥感算法提供理论依据和方法支撑。利用在典型内陆水体积累的生物光学观测数据集，开发了针对复杂混浊水体的水体光学分类方法（NTD675法），可将未知水体划分为三类：（1）Type 1（≥0.092）、Type 2（0-0.092）和Type 3（≤0）。基于此，对分类水体的组分比吸收系数和比散射系数进行量化确定，独立验证数据的预测误差约为30%，比未作水体分类的结果具有更好的表现，同时分析了藻类和非藻类颗粒物的吸收贡献，澄清了不同类型水体的贡献差异。根据水体辐射传输方程，研发提出了悬浮颗粒物组成的遥感探测半分析模型，可对Chla/TSM比率进行遥感估算，进而为利用卫星高光谱数据进行水体光学分类奠定基础。针对分类后水体，建立了各类水体的叶绿素a浓度高光谱反演模型，结果表明第一类水体四波段模型为最优，第二类和第三类水体一阶微分模型均为最优，与未分类模型比较表明，分类后模型在精度和稳定性上均得到一定程度的提高。构建的总悬浮物浓度高光谱反演模型：第一类水体，比值模型为最优；第二类水体，半分析模型为最优；第三类水体，一阶微分模型为最优，整体性能优于未分类水体。利用美国典型海湾水体的实测和卫星数据，对NTD675水体分类方法进行应用性验证，先将海湾水体分为三类，然后利用不同波段形式开发类反演算法，结果表明带有不同波段选择的2-band模型优于其它模型。将算法用于MODIS数据上呈现出32.5%的相对误差，结合原位实测数据，比未分类模型产生8.4%的改进。本项目检验了典型漫衰减系数反演模型在内陆混浊水体的适用性，并在水体光学分类的基础上开发了新模型，结果表明新模型的结果通常优于之前模型的结果，其误差通常小于18.8%。针对PC浓度，结合SVR方法构建了类反演算法，对于三类水体的预测误差分别为15.6%、47.1%和26.4%，类反演算法的性能高于未分类水体的统一模型，同时也研发了总磷浓度的类反演算法，取得了较好的反演效果。此外，本研究针对ZSD和Kd之间的关系，研究表明准分析模型要优于经验模型，获得的三类水体的半分析模型参数分别为1.53、1.43和1.29。

内容获取失败，请点击重试